人脸识别系统的研究和设计

论文摘要

人脸识别技术是一个非常活跃的研究领域,它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容,近年来得到了广泛的关注。作为人类几个重要外在鉴别特征之一,人脸识别对身份自动确认和身份自动辨认有着具有重要的科学意义和巨大的应用价值。虽然在这方面的研究已取得了一些成果,但是因为人脸五官的分布是非常相似的,而且人脸本身又是一个柔性物体,表情、姿态、发型、光照强度的不同,都给正确识别带来了相当大的困难。本文提出了一种新的人脸识别算法,将传统的用于图像压缩的矢量量化(VQ)技术用于人脸识别。该算法简单,用硬件实现可以大大提高识别速度。将人脸图做标准化处理,去除发型、光照亮度等影响,利用矢量量化对脸部信息建立特征库,根据直方图的原理统计出人脸特征码书中所有码字出现的频率,以此作为人脸特征库存储起来,用于识别。识别时,只需将提取出来的人脸特征在已建立好的人脸库中进行比较,判断是否识别成功。经过实验证明,该算法简单,识别率高,对亮度、表情和发型的变化具有一定的鲁棒性,优于传统的Fisherfaces和特征脸方法。选用Yalefaces标准人脸库中的15人的各4幅不同表情不同光照的人脸进行算法验证,识别率可达97.3%；用ORL标准人脸库中的40人的各4幅不同表情不同光照的人脸进行算法验证,识别率可达93.6%；之后又自己建立45人的不同表情不同光照人脸库对算法做进一步验证,识别率可达94.67%。根据该算法完成了人脸识别系统设计,采用软硬件结合,建立15人的人脸库进行系统验证,在50MHz工作频率下可以满足实时要求,可全部正确识别。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 国内外发展及现状
• 1.3 研究内容
• 1.4 论文的组织结构
• 2 传统人脸识别算法及特点
• 2.1 Fishface方法
• 2.2 基于特征脸的方法
• 2.3 基于神经网络的方法
• 2.4 基于支持向量机的方法
• 2.5 基于K-L变换的方法
• 2.6 本章小结
• 3 基于矢量量化建立特征频率库的人脸识别算法
• 3.1 算法介绍
• 3.1.1 矢量量化
• 3.1.2 码书的设计
• 3.1.3 算法的提出
• 3.2 人脸识别算法的实现
• 3.2.1 人脸库的建立
• 3.2.2 人脸匹配识别
• 3.3 试验结果及分析
• 3.4 本章小结
• 4 人脸识别系统的搭建
• 4.1 系统简介
• 4.2 人脸识别算法的硬件实现
• 4.2.1 去亮度模块
• 4.2.2 矢量量化模块
• 4.2.3 人脸匹配识别模块
• 4.2.4 判断结果输出模块
• 4.2.5 算法的整体实现
• 4.3 算法的硬件综合
• 4.3.1 综合的概念
• 4.3.2 逻辑综合的基本流程
• 4.3.3 综合的结果
• 4.4 系统平台的搭建
• 4.4.1 系统的软件部分
• 4.4.2 系统的硬件部分
• 4.4.3 系统的接口部分
• 4.5 本章小结
• 5 结论与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 发表论文